| 基于极端随机森林的大型风电机组 发电机故障检测 |
| |
| 作者姓名： | 陈宇韬 唐明珠 吴华伟 赵琪 匡子杰 |
| |
| 作者单位： | 长沙理工大学,湖南 长沙,410114;湖北文理学院 纯电动汽车动力系统设计与测试湖北省重点实验室,湖北 襄阳,441053 |
| |
| 基金项目： | 湖南省自然科学基金;湖南省高等学校创新平台开放基金;国家国际科技合作专项基金;长沙理工大学发电设备与系统节能减排及智能控制关键技术创新团队;湖南省交通运输厅科技进步与创新计划项目 |
| |
| 摘 要： | 针对风电机组海量运行数据中故障检测率低和实时性差的问题,提出基于极端随机森林的大型风电机组发电机故障检测方法。该方法先利用Pearson相关性分析剔除线性相关性极弱的变量和非主要特征中的冗余变量,降低样本维度。利用最大信息系数获取主要特征参数的相关系数,消除冗余变量,从而提高计算效率和故障检测精度。将基于极端随机森林的分类方法用于大型双馈风力发电机的故障检测。实验结果表明,与经典随机森林方法相比,在风电机组发电机海量数据集上,该方法具有更低的漏报率、误报率和更好的实时性。
|
| 关 键 词： | 极端随机森林 Pearson相关性分析 最大信息系数 故障检测 发电机 风力发电机组 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
